(1)
北京大学学报(自然科学版) 第61卷 第2期 2025年3月
Acta Scientiarum Naturalium Universitatis Pekinensis, Vol. 61, No. 2 (Mar. 2025)
doi: 10.13209/j.0479-8023.2024.115
新疆维吾尔自治区生态环境监测总站“新疆重污染天气应急管控能力建设”项目(2022-地方科研-1065)资助
收稿日期: 2024–06–24;
修回日期: 2024–10–16
摘要 为评估土壤风蚀作用对绿洲城市大气颗粒物排放量的贡献, 以新疆阿勒泰市、哈密市伊州区、喀什市为研究区域, 基于收集到的土壤扬尘源活动水平和排放因子数据, 采用排放因子法和 GIS 技术, 建立研究区域 2021 年 3km×3km 高分辨率土壤风蚀扬尘颗粒物 PM2.5 和 PM10 的排放清单。结果表明, 阿勒泰市、喀什市和哈密市伊州区土壤扬尘源 PM10 的排放量依次为 40983.79, 6541.97 和 1974362.24 t, PM2.5 的排放量依次为 7069.69, 1090.49 和 326187.68t。哈密市伊州区是研究区域内颗粒物排放量最大的区域, 其 PM10 排放量分别是喀什市和阿勒泰市的 302 倍和 48 倍。受土质类别、地处沙源区以及风速较大等因素影响, 哈密市伊州区土壤风蚀扬尘源颗粒物的排放强度也明显较高。哈密市伊州区土壤风蚀扬尘月排放特征呈现单峰型, 5 月排放量最大; 喀什市和阿勒泰市呈双峰型, 喀什市的峰值出现在 6 和 8 月, 阿勒泰市的峰值出现在 5 和 7 月。
关键词 土壤风蚀; 绿洲城市; 大气颗粒物; 排放清单; 排放强度
土壤风蚀指土壤在风力作用下被分散、剥离、搬运和沉积的过程。风蚀作用将地表大量相对松散的土壤颗粒物扬起, 导致干旱和半干旱地区的土壤养分大量流失, 造成生态和环境等问题[1–3]。风蚀受到土壤质地、气候、植被和地形等多种因子的影响[4–6]。在这些因子中, 土壤质地是土壤可蚀性的一个重要指标, 因其既影响给定风速下可输送颗粒的比例, 也影响表面粗糙度, 因此对侵蚀具有可变和瞬态影响[7–9]。
自 20 世纪 60 年代美国农业部开发第一代风蚀模型(wind erosion equation, WEQ)[10–11]以来, 人们对风蚀机制理解的逐渐加深, 开发了越来越先进的模型, 比如修正的风蚀方程(revised wind erosion equation, RWEQ)[12–13]、风蚀预测系统(wind erosion prediction system, WEPS)[14–15]、综合风蚀建模系统(integrated wind-erosion modelling system, IW-EMS)[16–17]和土壤风蚀估算程序(single-event wind erosion evaluation program, SWEEP)[13,18–19]等。与WEQ 相比, 这些新模型可以获得更精准的风蚀预测结果, 然而, 也需要更详细的输入数据, 提高了模型使用的技术阈值, 不利于广泛应用[20]。我国生态环境部(原环境保护部)2014 年发布的《扬尘源颗粒物排放清单编制技术指南》[21](简称指南)中推荐 WEQ 模型。国内学者根据此指南编制了京津 冀[22]、常州市[23]、哈尔滨市[24]、西宁市[25]和郑州市[26]等不同区域的风蚀扬尘排放清单。
新疆地处亚欧大陆腹地, 自南向北依次分布着昆仑山脉、天山山脉和阿尔泰山脉, 中间分别为塔里木盆地和准噶尔盆地。深居内陆、远离海洋的地理位置决定了水汽难以深入区域内部, 形成新疆干旱的地理环境, 受风蚀作用的影响较大。雷加强等[27]对 2023 年 3—4 月东亚春季沙尘暴事件的起沙量和源区贡献率的定量研究结果表明, 新疆塔克拉玛干沙漠的平均贡献为 26%。近年来, 有学者开展风蚀沙尘对新疆绿洲城市大气环境的影响研究[28], 但集中在沙尘天气等极端风蚀情况与空气质量的关系方面, 未开展风蚀扬尘清单的相关研究。本文以新疆典型绿洲城市为研究区域, 以 2021 年为基准年, 收集当地土壤风蚀扬尘源相关的活动水平和排放因子数据, 利用排放因子法构建当地土壤风蚀扬尘排放清单, 以期量化风蚀作用造成的环境影响, 指导当地生态环境修复和大气污染防治工作。
新疆地貌可以概括为“三山夹两盆”, 天山横亘中部, 把新疆分为南北两部分, 习惯上称天山以南为南疆, 天山以北为北疆, 哈密市和吐鲁番市统称为东疆[29]。本研究选取东疆、北疆和南疆的典型绿洲城市哈密市伊州区、阿勒泰市和喀什市为研究区域, 地理位置如图 1 所示。
因引用偏差等原因, 指南推荐的 WEQ 模型存在粒径系数重复使用等问题[30], 因此本文在使用WEQ 时, 首先对这些问题进行修正。
土壤扬尘源颗粒物排放量的计算公式为
(1)
其中, Wi 为土壤扬尘中 PMi(空气动力学粒径低于 iμm 的颗粒物)总排放量(t/a), Ei 为土壤扬尘源的 PMi排放系数(t/(m2·a)), A 为土壤扬尘源的面积(m2)。指南中对土壤扬尘源的定义为“直接来源于裸露地面(如农田、裸露山体、滩涂、干涸的河谷、未硬化或未绿化的空地等)的颗粒物在自然力或人力的作用下形成的扬尘”。因此, 土壤扬尘源的面积是以上 5 类土地类型的面积总和。土壤扬尘源的 PMi 排放系数 Ei 的计算公式为
图1 研究区域地理位置
Fig.1 Geographical location of the study cities
(2)
a 为 TSP 占总风蚀损失的比例系数, 根据土质类型取值(表 1)[30–31]; Di 为 PMi 的起尘因子(t/(104m2·a)); C 为气候因子, 表征气象因素对土壤扬尘的影响; η 为污染控制技术对扬尘的去除效率(%), 本研究中取值为 0。
表1 土壤风蚀相关指数参考值[30–31]
Table 1 Soil erodibility index[30–31]
土质主类土质细类a/%Iwe/(t·(hm2·a)–1) 砂土砂土0.9493 壤质砂土1.0300 壤土壤土6.6126 砂质壤土2.1193 砂质黏壤土6.6126 粉砂质壤土4.1105 黏壤土2.5105 粉砂质黏壤土4.1 85 粉土0.8 85 黏土黏土0.8193 粉砂质黏土0.8193 砂质黏土1.0126
PMi 的起尘因子 Di 的计算公式为
(3)
其中, ki 为 PMi 在土壤扬尘中的百分含量, 本研究对新疆土壤样品进行收集, 并用动力学粒径谱仪(Gri-mm Model 11-A)进行实测, 得到的 ki 值见表 2; Iwe 为土壤风蚀指数(t/(104m2·a)), 推荐值见表 1, 其他类型土壤的风蚀指数可以选择质地接近的土壤类型代替; f为地面粗糙因子, 取值为 0.5, 在近海、海岛、海岸、湖岸及沙漠地区取值为 1; L 为无屏蔽宽度因子, 即没有明显阻挡物(如建筑物或者高大的树木)的最大范围, 当无屏蔽宽度≤300m 时, L=0.7, 当无屏蔽宽度为 300～600m 时, L=0.85, 当无屏蔽宽度≥600m 时, L=1.0, 本研究取 0.85[21]; V 为植被覆盖因子, 指裸露土壤面积占总计算面积的比例, 本研究将 12 个月的植被覆盖因子的平均值作为年植被覆盖因子。
气候因子 C 的计算方法为
(4)
其中, u 为年平均风速(m/s); PE 为桑氏威特降水–蒸发指数(无量纲), 计算公式为
(5)
表2 颗粒物粒径系数
Table 2 Particle size coefficients
土地利用类型土壤质地k2.5/%k10/%土地利用类型土壤质地k2.5/%k10/% 草地粉砂质黏壤土8.0128.61裸土粉砂质黏壤土9.3627.98 粉砂质黏土10.0031.73粉砂质黏土9.1427.98 壤质黏土10.7933.71壤质黏土9.1427.98 黏壤土9.5530.79黏壤土8.9227.98 戈壁粉砂质黏壤土6.219.78盐碱地粉砂质黏壤土10.1229.42 粉砂质黏土5.9721.94粉砂质黏土10.3133.65 壤质黏土7.1923.83壤质黏土13.0137.66 黏壤土6.0621.53黏壤土10.1229.42 耕地粉砂质黏壤土10.8035.47林地粉砂质黏壤土9.4731.75 粉砂质黏土13.1739.31粉砂质黏土10.8834.75 壤质黏土12.8738.60壤质黏土26.4360.67 黏壤土11.6536.44黏壤土11.0432.83 未分类粉砂质黏壤土12.4341.37沙漠砂土6.7019.64 粉砂质黏土10.6434.45 壤质黏土10.6434.45 黏壤土12.4341.37
其中, Pi 为 i 月降水量(mm), 当 Pi<12.7mm 时, 按12.7mm 计算; Ti 为 i 月平均温度(℃), Ti<–1.7℃时, 按–1.7℃计算。
由于不同月份之间的排放差异主要由植被覆盖因子和气候因子导致[20,24], 因此本研究采用归一化的方法计算月分配系数 γ:
(6)
其中, Vi 为 i 月植被覆盖因子, Ci 为 i 月气候因子。
本研究中的土地利用类型和土壤质地数据由新疆维吾尔自治区生态环境监测总站提供。土地利用类型数据空间分辨率为 100m, 采用三级分类系统。土壤质地数据根据 1:1000000 土壤类型图和第二次土壤普查数据编制而成, 数据分为砂土(Sand)、粉砂土(Silt)和黏土(Clay)三大类, 数值为百分比。
各研究区域 2021 年小时分辨率的气象数据包括风速、风向、降水量、相对湿度和气温等, 从慧聚大气网站(https://airwise.hjhj-e.com)获取。
植被覆盖因子由将美国 NASA 提供的 16d 合成的空间分辨率为 500m 的 MOD131-NDVI 产品作为基础数据计算获得, 数据格式为 EOS-HDF。植被覆盖因子的计算方法参见文献[25]。
2.1.1 植被覆盖因子
表 3 给出研究区域植被覆盖度(VC)以及植被覆盖因子(V=1–VC)的年均值。通过非参数检验(Kruskal-Walls 检验, 置信度为 95%), 任意两个区域之间的 VC 和 V 均呈现显著差异(P<0.05)。从均值来看阿勒泰市和喀什市的植被覆盖度较为接近, 明显高于哈密市伊州区。与国内其他城市[20,25]相比, 本文 3 个研究区域的植被覆盖度年均值都处于相对较低的水平, 其中阿勒泰市与喀什市与天津市(0.28)和唐山市(0.28)的水平较为接近, 但天津市和唐山市覆盖度较低, 是因为所辖区域内水域环境占比相对较高, 而绿洲城市则是因为沙漠、戈壁等环境占比较高。
图 2 显示 3 个研究区域 2021 年 6 月的植被覆盖度空间分布情况。可以看出, 哈密市伊州区的植被覆盖度远低于另外两个城市, 导致哈密市伊州区的植被覆盖因子(0.93)高于阿勒泰市(0.75)以及喀什市(0.71)。
2.1.2 土壤质地类型
通过 GIS 解译计算土壤质地地图, 发现研究区域共有 8 种土壤质地类型: 粉砂质黏土、粉土、壤土、壤质砂土、砂土、沙质壤土、砂质黏壤土和黏壤土, 其中砂质壤土的面积占比最高, 达到 78.9%。对比 3 个研究区域的土质构成(图 3)发现, 各区域之间存在较大的差异, 阿勒泰市的主要土质是壤土(54.3%)、砂质壤土(27.6%)和黏壤土(14.8%), 哈密市伊州区的主要土质构成是砂质壤土(85.4%), 喀什市占比最高的为砂质壤土(74.6%)和壤土(20.7%)。
利用不同土质的风蚀指数和土质构成占比数据计算各区域的土壤风蚀指数 Iwe, 结果如表 3 所示。Kruskal-Walls 检验(置信度为 95%)结果显示, 研究区域内任意两个城市之间的风蚀指数均存在显著性差异(P<0.05)。哈密市伊州区 PM10 和 PM2.5 的风蚀指数最高, 均值分别为 125.41 和 20.69t/(hm2·a); 喀什市次之(103.64 和 17.16t/(hm2·a)), 阿勒泰市最低(75.36 和 12.79t/(hm2·a))。
2.1.3 气候因子
气候因子 C 的构建是为了揭示风蚀、风速与表面土壤湿度之间的关系。3 个研究区域的气候因子有较为明显的差异, 哈密市伊州区的 C 值最高, 为0.1575; 阿勒泰市的 C 值最低, 为 0.0464; 喀什市居中, 为 0.0955。结合气象条件(表 4)来看, 哈密市伊州区的年均风速略高于其他两个城市, 年降水量最少, 大风、干燥均利于土壤风蚀作用, 导致气象因子值变大。
表3 主要计算参数
Table 3 Main calculation parameters of the study cities
区域面积/km2VCVIwe/(t·(hm2·a)–1)C PM10PM2.5 阿勒泰市94900.25±0.10 (0.26)0.75±0.1075.36±36.5112.79±5.800.0464 哈密市伊州区764420.07±0.03 (0.07)0.93±0.03125.41±29.4520.69±4.990.1575 喀什市7830.29±0.16 (0.29)0.71±0.16103.64±31.2417.16±4.880.0955
说明: 括号中的数字表示中位值。
图2 研究区域植被覆盖度
Fig. 2 Vegetation coverage of the study cities
表4 研究区域的主要气象参数
Table 4 Main climatic parameters of the study cities
研究区域风速/(m·s–1)气温/℃年降水量/mm 阿勒泰市1.7 5.5141.5 哈密市伊州区1.911.5 57.5 喀什市1.613.5 74.3
2.2.1 排放清单结果
将各项参数输入估算模型, 结果显示 2021 年阿勒泰市、哈密市伊州区和喀什市土壤扬尘源排放的PM10 总量依次为 40983.79, 1974362.24 和 6541.97t, PM2.5排放总量依次为 7069.69, 316187.68 和 1090.49t。哈密市伊州区颗粒物的排放量显著高于另外两个城市, PM10 分别是喀什市和阿勒泰市的 302 倍和48 倍, PM2.5 分别是喀什市和阿勒泰市的 299 倍和 46倍。主要原因是哈密市伊州区的起尘斑块总面积高达 76442km2, 分别是阿勒泰市和喀什市的 8 倍和 98 倍。另外, 哈密市伊州区的易风蚀土质占比和气候因子较高也是不可忽视的因素。图 4 显示, 3 个研究区域颗粒物排放量最高的土质类型均为砂质壤土和壤土, 这两种土质类型的土壤颗粒物排放量约分别占阿勒泰市、哈密市伊州区和喀什市排放总量的 88%, 94%和 97%。
2.2.2 空间分布特征
利用 GIS 的多层参数嵌套计算方法, 将排放总量分配到各个研究区域的 3km×3km 网格内, 结果如图 5 所示。可以看出, 哈密市伊州区各个网格的排放量普遍高于另外两个城市, 排放较小的网格集中在中部偏北的城市建成区。
图3 研究区域土壤质地构成
Fig. 3 Proportion of soil texture types in study area
图4 研究区域不同质地土壤扬尘源PM10和PM2.5的排放特征
Fig. 4 Characteristics of PM10 and PM2.5 emissions of different texture types soil in the study area
由于排放总量受研究区域面积影响, 因此通常使用排放强度作为比较各地区土壤扬尘源排放强弱的指标。本研究以 PM2.5 的排放强度为例, 将研究区域与其他城市进行比较, 结果如表 5 所示。可以看出, 哈密市伊州区、喀什市和阿勒泰市的排放强度远高于其他城市。一方面, 研究区域均位于沙漠(古尔班通古特沙漠和塔克拉玛干沙漠)的边缘, 其中哈密市伊州区的土地类型以戈壁和砂土为主, 风蚀指数较高; 另一方面, 研究区域常年风速较大, 导致其气候因子较大, 易于起尘。
表5 研究区域土壤扬尘排放强度与其他城市对比
Table 5 Comparison of soil dust emission intensity between the study cities and other cities
区域年份排放强度/(t·km–2)文献 哈密市伊州区20214.27本文 阿勒泰市20210.74本文 喀什市20211.39本文 西宁市20180.05[25] 西安市20140.17[32] 北京市20170.14[30] 加登市19550.21[33] 南京市20100.03[34] 天津市20130.22[35] 郑州市20130.69[26] 哈尔滨市20160.03[24]
图5 研究区域2021年土壤扬尘源PM2.5和PM10排放量的空间分布
Fig. 5 Spatial distribution of PM2.5 and PM10 emissions in the study area in 2021
2.2.3 时间分布特征
图 6 显示各区域土壤扬尘源大气颗粒物的月排放量分布。可以看出, 喀什市和阿勒泰市呈现“双峰”特征, 喀什市的峰值出现在 6 和 8 月, 阿勒泰市的峰值出现在 5 和 7 月, 哈密市伊州区呈现“单峰”特征, 峰值出现在 5 月。图 7 展示 2021 年各月份降水量和风速变化特征。哈密市伊州区和阿勒泰市颗粒物排放量最大的月份均为 5 月, 主要是因为该月两个城市的平均风速均为全年最高, 而喀什市平均风速最高的月份是 6 月, 这与其 6 月颗粒物排放量最高保持一致。此外, 与哈密市伊州区在 6—8 月排放量缓慢下降不同, 喀什市和阿勒泰市分别在 7 月和 6 月出现突降, 主要是因为两地全年最大降雨量分别出现在 7 月和 6 月, 降雨对土壤风蚀的削弱作用明显。哈密市全年降雨量均较小, 无明显月份差异。冬季月份所有城市排放量偏低, 主要是因为冬季新疆地区气温普遍较低, 降雪和冻土等作用导致风蚀作用大幅度减弱[24]。
受土壤扬尘源活动水平和排放因子的计算及关键参数选取的影响, 本研究的排放清单结果存在一定的不确定性, 主要涉及以下几个方面: 1)研究区域面积较大, 受算法和遥感影像分辨率限制, 裸露地的提取结果不可避免地有一定程度的误差, 造成植被覆盖因子的偏差; 2)粒径系数是土壤中不同粒径颗粒物的百分含量, 本研究采用在新疆本地收集的样品实测结果, 比直接参照指南推荐值的不确定性要低; 3)气候因子通过城市尺度的气象数据进行计算, 忽略了城市内部气候差异造成的影响, 尤其是面积较大的哈密市伊州区; 4)因无屏蔽宽度因子的量化方法不明确, 目前普遍采用中间值进行计算, 也存在较大的不确定性。后续研究中, 应进一步提升排放因子和控制效率等数据获取的准确性, 降低清单结果的不确定性。
图6 土壤扬尘源PM10和PM2.5的月排放量分布特征
Fig. 6 Monthly distribution characteristics of PM10 and PM2.5 of soil fugitive dust emission
图7 研究区域2021年降水量和风速情况
Fig. 7 Characteristics of precipitation and wind speed of the study area in 2021
本文以新疆阿勒泰市、哈密市伊州区和喀什市为研究区域, 基于收集到的活动水平和排放因子数据, 采用排放因子法和 GIS 技术, 建立以 2021 年为基准年的 3km×3km 高分辨率土壤风蚀扬尘颗粒物排放清单, 得到如下主要结论。
1)清单构建关键参数植被覆盖因子、风蚀指数和气候因子均呈现明显的空间差异, 哈密市伊州区 3 个参数均明显高于其他两个城市, 主要与哈密伊州区易风蚀土质占比较高、全年降水少以及风速大等因素有关。
2)哈密市伊州区 2021 年土壤风蚀扬尘源 PM10和 PM2.5 的排放量分别为 1974362.24 和 326187.68t, PM10 是喀什市和阿勒泰市的 302 和 48 倍, PM2.5 是喀什市和阿勒泰市的 299 和 46 倍。
3)受土质类别、地处沙源区以及风速较大等因素影响, 哈密市伊州区土壤风蚀扬尘源颗粒物的排放强度明显高于南疆的喀什和北疆的阿勒泰。砂质壤土和壤土的风蚀指数和面积占比均较高, 各城市均呈现以这两种质地的土壤颗粒物排放量最高的特征。
4)哈密市伊州区土壤风蚀扬尘排放的时间分布特征呈现单峰型, 排放量最高出现在 5 月; 受降雨影响, 喀什市和阿勒泰市呈现双峰型, 喀什市的峰值出现在 6 月和 8 月, 阿勒泰市的峰值出现在 5月和 7 月。
参考文献
[1] Dong Z B, Wang X M, et al. Wind erosion in arid and semiarid China: an overview. Journal of Soil & Water Conservation, 2000, 55(4): 439–439
[2] Jarrah M, Mayel S, Tatarko J, et al. A review of wind erosion models: data requirements, processes, and vali-dity. Catena, 2020, 187: 104388
[3] Skidmore E L. Soil erosion by wind // El-Baz F, Hassan M H A. Physics of Desertification. Dordrecht: Marti-nus Nijhoff Publishers, 1986: 261–273
[4] Wang X, Wang G, Lang L, et al. Aeolian transport and sandy desertification in semiarid China: a wind tunnel approach. Land Degradation &Development, 2013, 24(6): 605–612
[5] Webb N P, Van Zee J W, Karl J W, et al. Enhancing wind erosion monitoring and assessment for U.S. rangelands. Rangelands, 2017, 39(3/4): 85–96
[6] Zuo X F, Zhang C L, Zhang X Y, et al. Wind tunnel simulation of wind erosion and dust emission proces-ses, and the influences of soil texture. International Soil and Water Conservation Research, 2024, 12(2): 455–466
[7] 陈莉, 姬亚芹, 刘爱霞, 等. 天津市近郊地表风 蚀型开放源对中心城区影响估算研究. 环境科学, 2011, 32(9): 2769–2776
[8] Yan Y C, Xin X P, Xu X L, et al. Quantitative effects of wind erosion on the soil texture and soil nutrients under different vegetation coverage in a semiarid step-pe of northern China. Plant and Soil, 2013, 369(1): 585–598
[9] Zobeck T M. Soil properties affecting wind erosion. Journal of Soil and Water Conservation, 1991, 46(2): 112–118
[10] Woodruff N P, Armbrust D V. A monthly climatic factor for the wind erosion equation. Journal of Soil and Water Conservation, 1968, 23(3): 162–165
[11] Skidmore E L, Woodruff N P. Wind erosion forces in the United States and their use in predicting soil loss. USDA-ARS Agriculture Handbook, 1968, 346: 42
[12] Fryrear D W, Bilbro J D, Saleh A, et al. RWEQ: improved wind erosion technology. Journal of Soil and Water Conservation, 2000, 55(2): 183–189
[13] Pi H, Sharratt B. Evaluation of the RWEQ and SWEEP in simulating soil and PM10 loss from a portable wind tunnel. Soil and Tillage Research, 2017, 170: 94–103
[14] Buschiazzo D E, Zobeck T M. Validation of WEQ, RWEQ and WEPS wind erosion for different arable land management systems in the Argentinean Pampas. Earth Surface Processes & Landforms, 2010, 33(12): 1839–1850
[15] 陈莉, 韩婷婷, 李涛, 等. 基于WEPS模型的天津郊区土壤风蚀起尘及对中心城区迁移量估算. 环境科学, 2012, 33(7): 2197–2203
[16] Lu H, Shao Y. Toward quantitative prediction of dust storms: an integrated wind erosion modelling system and its applications. Environ Model Software, 2001, 16: 233–249
[17] Liu J, Han Y H, Tang X, et al. Estimating adult mortality attributable to PM exposure in China with assimilated PM2.5 concentrations based on a ground monitoring network. Sci Total Environ, 2016, 568: 1253–1262
[18] Feng G, Sharratt B. Evaluation of the SWEEP model during high winds on the Columbia Plateau. Earth Sur-face Processes and Landforms, 2009, 34: 1461–1468
[19] Sema K, Mustafa B, Gunay E. Assessing the perfor-mance of wind erosion prediction models of RWEQ and SWEEP by direct measurements in an arid region. Soil and Tillage Research, 2024, 240: 106066
[20] Li T, Bi X, Dai Q, et al. Optimized approach for developing soil fugitive dust emission inventory in “2+26” Chinese cities. Environmental Pollution, 2021, 285: 117521
[21] 环境保护部. 扬尘源颗粒物排放清单编制技术指南(试行)[EB/OL]. (2014–12–31)[2024–06–20]. https:// www.mee.gov.cn/gkml/hbb/bgg/201501/W020150107594588131490.pdf
[22] 宋立来, 李廷昆, 毕晓辉, 等. 京津冀地区高空间分辨率土壤扬尘清单构建及动态化方法. 环境科学研究, 2021, 34(8): 1771–1781
[23] 杨卫芬, 程钟, 张洁. 等. 常州市裸露地面风蚀扬尘排放清单及分布特征研究. 环境监测管理与技术, 2020, 32(2): 56–60
[24] 李莉莉, 王琨, 刘帆, 等. 哈尔滨市土壤扬尘排放清单及其时空分布. 环境污染与防治, 2021, 43(6): 679–724
[25] 林宇, 姬亚芹, 林孜, 等. 西宁市土壤扬尘排放清单构建及时空分布特征. 环境化学, 2022, 41(12): 4006–4015
[26] 徐媛倩, 姜楠, 燕启社, 等. 郑州市裸露地面风蚀扬尘排放清单研究. 环境污染与防治, 2016, 38(4): 22–27
[27] 雷加强, 高鑫, 赵永成, 等. 河西走廊—塔克拉玛干沙漠边缘阻击战: 风沙形势与防治任务. 中国科学院院刊, 2023, 38(7): 966–977
[28] 薛一波, 张小啸, 任岗, 等. 风蚀沙尘对新疆绿洲城市大气环境的影响研究. 环境科学学报, 2024, 44(1): 102–111
[29] 新疆维吾尔自治区人民政府. 走进新疆[EB/OL]. (2022–12–14)[2024–06–20]. https://www.xinjiang.gov. cn/xinjiang/xjgk/202307/f0151c7b7be8415ca44ec968c3b81a51.shtml
[30] 李贝贝, 黄玉虎, 毕晓辉, 等. 北京市土壤风蚀扬尘排放因子本地化. 环境科学, 2020, 41(6): 2609–2616
[31] Xuan J. Dust emission factors for environment of nor-thern China. Atmospheric Environment, 1999, 33(11): 1767–1776
[32] 闫东杰, 丁毅飞, 玉亚, 等. 西安市人为源一次PM2.5排放清单及减排潜力研究. 环境科学研究, 2019, 32(5) : 813–820
[33] Woodruff N P, Siddoway F H. A wind erosion equation. Soil Science Society of America Journal, 1965, 29(5): 602–608
[34] 王社扣, 王体健, 石睿, 等. 南京市不同类型扬尘源排放清单估计. 中国科学院大学学报, 2014, 31 (3): 351–359
[35] Li T K, Bi X H, Dai Q L, et al. Improving spatial resolution of soil fugitive dust emission inventory using RS-GIS technology: an application case in Tianjin, China. Atmospheric Environment, 2018, 191: 46–54
Construction of Emission Inventory and Temporal-Spatial Distribution of Soil Fugitive Dust in Typical Oasis Cities
Abstract To evaluate the contribution of soil wind erosion to the particulate matter emissions of oasis cities, based on collected activity levels and emission factors related to soil fugitive dust, a 3 km×3 km-gridded emission inventory of PM2.5 and PM10 from soil fugitive dust in Xinjiang typical oasis cities (Altay City, Yizhou District of Hami City, and Kashgar City) in 2021 was developed in combination with Emission Factors and GIS technology. The results showed that the total emissions of PM10 from soil fugitive dust in Altay City, Kashgar City, and Yizhou District of Hami City were estimated to be 40983.79, 6541.97, and 1974362.24 t, respectively. The total emissions of PM2.5 were estimated to be 7069.69, 1090.49, and 326187.68 t, respectively. The particulate matter emission of Yizhou District of Hami City was the highest among the study areas, and the emission of PM10 is 302 times and 48 times higher than that of Kashgar and Altay. Due to factors such as soil type, location in the sand source area, and high wind speed, the emission intensity of particulate matter from soil wind erosion in Yizhou District of Hami City was also significantly higher than that of the other two cities. The temporal distribution characteristics in Yizhou District of Hami City showed a unimodal pattern, with the highest occurring in May. Kashgar City and Altay City both showed a bimodal pattern, with Kashgar City’s peaks occurring in June and August, and Altay City’s peaks occurring in May and July.
Key words soil wind erosion; oasis city; particulate matter; emission inventory; emission intensity